整理梁文锋投资者交流会的一些内容愿景梁文峰开始一直在强调的是 deepseek 的愿景，他认为愿景的重要性远超组织制度，管理手段。我之前在博客中也曾经提到过这个观点，企业愿景就是这个企业最大的目标是什么，而企业价值观，组织制度，管理手段都是衍生于并且服务于企业愿景的。我觉得企业愿景很重要的一个根本原因是它很清晰，很容易被理解。相比于形而上学的企业价值观，相比于弯弯绕绕的组织制度，相比于层级分明的管理手段，企业愿景可能就只有一句话。对于 deepseek 而言，企业愿景就是 “做成 AGI” 。在服务于 “做成 AGI” 这个企业愿景之后，所有 deepseek 的组织形式和管理手段都可以非常容易的被理解。梁文峰做的所有事情都是围绕着建成 “AGI” 这一个目标来做，这个有点像 Musk 最开始的思路，Space X 所有的一切都是为了 “移民火星” 而服务，Tesla 的一切都是为了 “自动驾驶” 而服务。这就是企业愿景。然后伴随着 “实现 AGI ” 这一个目标之后，“克制” 就是一个很好的手段。梁文峰只想做成 AGI 那么商业利润就不是首先追求的结果，而要想实现 AGI 那么开源就是必经之路。像 OpenAI 最开始认为自己能垄断全球，结果就会出现各种各样的变数。梁文峰举得这个例子也很贴切，你希望能占 GDP 的 5%，那就有人只想要 1%， 就会有人只想要 0.1% ，一直到一个合理的利润区间。所以追求较高的商业利润在 AGI 的路上是一条必然失败的路，因为市场不允许这么高利润的客体存在。那在合理利润的前提下，开源就和 AGI 没有任何冲突了，因为 deepseek 可以做到远低于同行的部署成本，通过这个较低的部署成本，他就可以把利润锁定到合理的区间。而开源又和 “建成 AGI ”的核心愿景相辅相成，因为一旦 “建成 AGI” 那将是非常大的蛋糕，这个世界不会允许这么大一块蛋糕一人独占，这也是客观规律。所以开源对 deepseek 而言是必然路径，既能 “建成 AGI” 又不损失 “商业利润” 那自然就看不到为什么不做的原因。从最终实现 AGI 的角度看，你要想实现就必须要合作，你必须要让蛋糕给别人吃。就想你想做一个生态，那么你必须要让渡一些利润和生存空间给开发者，否则就没有生态可言。这就是梁文峰说的 “克制”，所以 deepseek 不会去生产显卡，也不会把产品化作为主要的方向，因为这些对于 “建成 AGI” 都是无关项，所以 deepseek 只会以近乎 0 成本的方式去做。这就是以 “克制” 为战略，换取自己独特的生存空间，来做自己最大的愿景。天下莫柔弱于水，而攻坚强者莫之能胜，其无以易之。弱之胜强，柔之胜刚，天下莫不知，莫能行。 这就是梁文峰在 AGI 出现之前对于 deepseek 的定位。瓶颈及商业化从梁文峰的角度看，deepseek 不是不做商业化，而是不追求商业化。如果成本很低，低垂的果实该摘下也就摘下了，所有的手段都不能违背 AGI 的目的。在 AGI 之前，大多数东西都是芝麻，只是大点的芝麻和小点的芝麻。 梁文峰聊得第二个话题是 AGI 是有迹可循的。从 CoT 到 Agent 这是 AGI 的必经之路，Agent 就包含了 CoT 的能力，虽然目前 AI 还没办法替代人类，但是那一天终将会到来，而我们当前就处在过程中。而处在 Agent 的当下，我们的下一个难点就是赋予 Agent 持续学习的能力。当解决持续学习的问题之后，Agent 就能实现自我迭代。所以它是一个连续的渐进的过程，但并不是一个线性的过程。一旦 Agent 能掌握持续学习的能力，那么很多其它的能力就可以依靠 Agent 持续学习来自己实现，它就不再是一个线性的变化。在梁文峰的路径中，应该先解决学习的问题，然后 Agent 就可以通过持续学习自我迭代，然后走到智能的奇点，最后一步才是 AI 走进现实的具身智能。梁文峰认为这个路径就是最轻松的路径，所以不需要加班去解决什么问题。因为你前面做的每一步，都为后面的步骤打下了基础。但是如果你现在要做具身智能，那么你就有加不完的班，因为本来 AI 可以自我迭代的部分都要由人去做，而 AI 的变化又太容易被预测，这就导致你的实现上有很多白白浪费的成本。做 ToC 和 ToB 都完全是随手一做, 这些都是做 AGI 道路上的副产品。对 deepseek 而言这都是低垂的果实，随手摘取，也没有要深耕的意思，只是为了保持健康的利润以支持 AGI 的研究。 在这个地方，梁文峰聊到一个组织的降维打击，因为有 AGI 的更大愿景，所以笼到了一批更优秀的人才更强的团队凝聚力，而这种简单的事情对于更高维度的组织而言，就是一种降维打击。如果最开始你的愿景只是做 ToC 或者 ToB 的产品，那么你就没办法组织一个高维的组织。取法于上，仅得为中；取法于中，故为其下。 核心利益梁文峰将话题又引回到 AGI 上，因为 AGI 是最终愿景，所以很多地方都要很克制。但真正的核心利益却是要保持团队的稳定性，甚至他认为这是当前阶段唯一的核心利益，这一点跟很多企业现在的做法背道而驰。笔者在这一点上跟梁文峰的看法高度一致，很多企业在接触 AI 之后认为人是很容易被替代，但是事实上恰恰相反。越是资深的员工，被 AI 替换的可能性就越小，反而他的重要性在有了 AI 之后达到了空前的高度。因为目前 AI 并不具备持续学习的能力，哪怕你的公司用了 AI 2 年，当时它并不会记得或者学习到 2 年内的经验，他依然是你 2 年前用的那个 AI， 哪怕你给它装上了 memory 或者知识库，它依然只是在提示词的范畴。它没有手段从之前的经验中获取一些知识，把这些知识增补或者内化到模型内。 中美差距中美差距真正的差距还是资源，资源是一切的根源。梁文峰说如果能把所有的现金以合理的溢价换成显卡的话，他会毫不犹豫的选择都换成显卡。所谓人才的差距其实是算力的差距造成的，因为你没有足够的算力去做研究去推进实验，那么人才自然就没有这样的经验。而所谓人才的区别，模型能力的区别，应用的区别甚至效率的区别，本质上都是算力的区别。但是也不要悲观，我们算力的落后确实是挑战，但是也有机遇。比如 deepseek 使用 TileLang 写 V3 的大模型就完全跳出了 CUDA 的生态，并且能借助 TileLang 在华为的显卡上重新实现一套这样的生态，这是对 deepseek 而言是历史使命。梁文峰也同样表示，他们不会考虑垂直整合生态，而是直接购买的方式来做，原因还是保持克制，保持专注。对于 deepseek 而言做到低成本是有意义的，因为低成本之后，相同的算力就可以做更多的研究，在同样算力上，在算力有限的情况下，如果计算效率更高，就能够承担起更大的模型。但是大厂/美国是没有这样的动力的，资源是可以加的，但是 deepseek 会优先考虑成本效率。组织文化为了 AGI 的愿景大家需要做更多的研究，而研究又需要在相对松弛的环境中去做，这样才能基于兴趣去做一些前沿的探索。然后 deepseek 要做的事情其实非常聚焦，非常聚焦就意味着要做的事情其实不多，那就不需要加班。为了维持一个松弛的环境，deepseek 的组织有两条线，一条是从上而下被称为正式的；另一条是自下而上，每个人自己想做什么，自己做，没有人管他，没有 KPI。一般情况下正式不要占用员工所有时间的一半，员工还有一半的时间，是不被安排的，他想做什么就做什么。这是一个研究的范围，让员工可以自己去探索，按照员工觉得什么重要，员工去探索什么，没有前置的要求。
整理梁文锋投资者交流会的一些内容
整理梁文锋投资者交流会的一些内容
愿景
梁文峰开始一直在强调的是 deepseek 的愿景，他认为愿景的重要性远超组织制度，管理手段。我之前在博客中也曾经提到过这个观点，企业愿景就是这个企业最大的目标是什么，而企业价值观，组织制度，管理手段都是衍生于并且服务于企业愿景的。
我觉得企业愿景很重要的一个根本原因是它很清晰，很容易被理解。相比于形而上学的企业价值观，相比于弯弯绕绕的组织制度，相比于层级分明的管理手段，企业愿景可能就只有一句话。对于 deepseek 而言，企业愿景就是 “做成 AGI” 。在服务于 “做成 AGI” 这个企业愿景之后，所有 deepseek 的组织形式和管理手段都可以非常容易的被理解。
梁文峰做的所有事情都是围绕着建成 “AGI” 这一个目标来做，这个有点像 Musk 最开始的思路，Space X 所有的一切都是为了 “移民火星” 而服务，Tesla 的一切都是为了 “自动驾驶” 而服务。这就是企业愿景。
然后伴随着 “实现 AGI ” 这一个目标之后，“克制” 就是一个很好的手段。梁文峰只想做成 AGI 那么商业利润就不是首先追求的结果，而要想实现 AGI 那么开源就是必经之路。像 OpenAI 最开始认为自己能垄断全球，结果就会出现各种各样的变数。梁文峰举得这个例子也很贴切，你希望能占 GDP 的 5%，那就有人只想要 1%， 就会有人只想要 0.1% ，一直到一个合理的利润区间。所以追求较高的商业利润在 AGI 的路上是一条必然失败的路，因为市场不允许这么高利润的客体存在。
那在合理利润的前提下，开源就和 AGI 没有任何冲突了，因为 deepseek 可以做到远低于同行的部署成本，通过这个较低的部署成本，他就可以把利润锁定到合理的区间。而开源又和 “建成 AGI ”的核心愿景相辅相成，因为一旦 “建成 AGI” 那将是非常大的蛋糕，这个世界不会允许这么大一块蛋糕一人独占，这也是客观规律。
所以开源对 deepseek 而言是必然路径，既能 “建成 AGI” 又不损失 “商业利润” 那自然就看不到为什么不做的原因。
从最终实现 AGI 的角度看，你要想实现就必须要合作，你必须要让蛋糕给别人吃。就想你想做一个生态，那么你必须要让渡一些利润和生存空间给开发者，否则就没有生态可言。这就是梁文峰说的 “克制”，所以 deepseek 不会去生产显卡，也不会把产品化作为主要的方向，因为这些对于 “建成 AGI” 都是无关项，所以 deepseek 只会以近乎 0 成本的方式去做。
这就是以 “克制” 为战略，换取自己独特的生存空间，来做自己最大的愿景。
这就是梁文峰在 AGI 出现之前对于 deepseek 的定位。
瓶颈及商业化
从梁文峰的角度看，deepseek 不是不做商业化，而是不追求商业化。如果成本很低，低垂的果实该摘下也就摘下了，所有的手段都不能违背 AGI 的目的。在 AGI 之前，大多数东西都是芝麻，只是大点的芝麻和小点的芝麻。
梁文峰聊得第二个话题是 AGI 是有迹可循的。从 CoT 到 Agent 这是 AGI 的必经之路，Agent 就包含了 CoT 的能力，虽然目前 AI 还没办法替代人类，但是那一天终将会到来，而我们当前就处在过程中。而处在 Agent 的当下，我们的下一个难点就是赋予 Agent 持续学习的能力。当解决持续学习的问题之后，Agent 就能实现自我迭代。所以它是一个连续的渐进的过程，但并不是一个线性的过程。一旦 Agent 能掌握持续学习的能力，那么很多其它的能力就可以依靠 Agent 持续学习来自己实现，它就不再是一个线性的变化。在梁文峰的路径中，应该先解决学习的问题，然后 Agent 就可以通过持续学习自我迭代，然后走到智能的奇点，最后一步才是 AI 走进现实的具身智能。
梁文峰认为这个路径就是最轻松的路径，所以不需要加班去解决什么问题。因为你前面做的每一步，都为后面的步骤打下了基础。但是如果你现在要做具身智能，那么你就有加不完的班，因为本来 AI 可以自我迭代的部分都要由人去做，而 AI 的变化又太容易被预测，这就导致你的实现上有很多白白浪费的成本。
做 ToC 和 ToB 都完全是随手一做, 这些都是做 AGI 道路上的副产品。对 deepseek 而言这都是低垂的果实，随手摘取，也没有要深耕的意思，只是为了保持健康的利润以支持 AGI 的研究。 在这个地方，梁文峰聊到一个组织的降维打击，因为有 AGI 的更大愿景，所以笼到了一批更优秀的人才更强的团队凝聚力，而这种简单的事情对于更高维度的组织而言，就是一种降维打击。如果最开始你的愿景只是做 ToC 或者 ToB 的产品，那么你就没办法组织一个高维的组织。
核心利益
梁文峰将话题又引回到 AGI 上，因为 AGI 是最终愿景，所以很多地方都要很克制。但真正的核心利益却是要保持团队的稳定性，甚至他认为这是当前阶段唯一的核心利益，这一点跟很多企业现在的做法背道而驰。笔者在这一点上跟梁文峰的看法高度一致，很多企业在接触 AI 之后认为人是很容易被替代，但是事实上恰恰相反。越是资深的员工，被 AI 替换的可能性就越小，反而他的重要性在有了 AI 之后达到了空前的高度。因为目前 AI 并不具备持续学习的能力，哪怕你的公司用了 AI 2 年，当时它并不会记得或者学习到 2 年内的经验，他依然是你 2 年前用的那个 AI， 哪怕你给它装上了 memory 或者知识库，它依然只是在提示词的范畴。它没有手段从之前的经验中获取一些知识，把这些知识增补或者内化到模型内。
中美差距
中美差距真正的差距还是资源，资源是一切的根源。梁文峰说如果能把所有的现金以合理的溢价换成显卡的话，他会毫不犹豫的选择都换成显卡。所谓人才的差距其实是算力的差距造成的，因为你没有足够的算力去做研究去推进实验，那么人才自然就没有这样的经验。而所谓人才的区别，模型能力的区别，应用的区别甚至效率的区别，本质上都是算力的区别。
但是也不要悲观，我们算力的落后确实是挑战，但是也有机遇。比如 deepseek 使用 TileLang 写 V3 的大模型就完全跳出了 CUDA 的生态，并且能借助 TileLang 在华为的显卡上重新实现一套这样的生态，这是对 deepseek 而言是历史使命。梁文峰也同样表示，他们不会考虑垂直整合生态，而是直接购买的方式来做，原因还是保持克制，保持专注。
对于 deepseek 而言做到低成本是有意义的，因为低成本之后，相同的算力就可以做更多的研究，在同样算力上，在算力有限的情况下，如果计算效率更高，就能够承担起更大的模型。但是大厂/美国是没有这样的动力的，资源是可以加的，但是 deepseek 会优先考虑成本效率。
组织文化
为了 AGI 的愿景大家需要做更多的研究，而研究又需要在相对松弛的环境中去做，这样才能基于兴趣去做一些前沿的探索。然后 deepseek 要做的事情其实非常聚焦，非常聚焦就意味着要做的事情其实不多，那就不需要加班。
为了维持一个松弛的环境，deepseek 的组织有两条线，一条是从上而下被称为正式的；另一条是自下而上，每个人自己想做什么，自己做，没有人管他，没有 KPI。一般情况下正式不要占用员工所有时间的一半，员工还有一半的时间，是不被安排的，他想做什么就做什么。这是一个研究的范围，让员工可以自己去探索，按照员工觉得什么重要，员工去探索什么，没有前置的要求。